Control de caudal con un sensor virtual basado en técnicas de deep learning
- González Herbón, Raúl 1
- Rodríguez Ossorio, José Ramón 1
- González Mateos, Guzmán 1
- Morán Álvarez, Antonio 1
- Alonso Castro, Serafín 1
- Fuertes Martínez, Juan José 1
-
1
Universidad de León
info
- Carlos Balaguer Bernaldo de Quirós (coord.)
- José Manuel Andújar Márquez (coord.)
- Ramon Costa Castelló (coord.)
- Carlos Ocampo Martínez (coord.)
- Jesús Fernández Lozano (coord.)
- Matilde Santos Peñas (coord.)
- José Enrique Simó Ten (coord.)
- Montserrat Gil Martínez (coord.)
- Jose Luis Calvo Rolle (coord.)
- Raúl Marín Prades (coord.)
- Eduardo Rocón de Lima (coord.)
- Elisabet Estévez Estévez (coord.)
- Pedro Jesús Cabrera Santana (coord.)
- David Muñoz de la Peña Sequedo (coord.)
- José Luis Guzmán Sánchez (coord.)
- José Luis Pitarch Pérez (coord.)
- Oscar Reinoso García (coord.)
- Oscar Déniz Suárez (coord.)
- Emilio Jiménez Macías (coord.)
- Vanesa Loureiro Vázquez (coord.)
Publisher: Servizo de Publicacións ; Universidade da Coruña
ISBN: 978-84-9749-841-8
Year of publication: 2022
Pages: 368-375
Congress: Jornadas de Automática (43. 2022. Logroño)
Type: Conference paper
Abstract
En el ámbito del control industrial, resulta sumamente interesante el empleo de sensores virtuales en los casos en los que no se puede tener acceso a la variable física a controlar, bien sea porque el sensor real es costoso, no puede ser instalado o se encuentra averiado. En este artículo se propone la implementación de un lazo de control del caudal de una planta piloto industrial, comparando el desempeño de este lazo cuando se emplea el caudalímetro real y cuando se emplea un sensor virtual de caudal. El sensor virtual utilizado se ha desarrollado empleando una red neuronal recurrente.